[發明專利]一種多標線的路面裂縫識別方法、裝置、設備及存儲介質

在審

• 申請號: 202010027072.0
• 申請日: 2020-01-10
• 公開（公告）號: CN111242017A
• 公開（公告）日: 2020-06-05
• 發明（設計）人: 徐國勝;徐國愛;陳仁義
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 王剛

本說明書一個或多個實施例提供一種多標線的路面裂縫識別方法、裝置、設備及存儲介質，包括：獲取實際路面圖像；獲取標線模型和裂縫模型；其中，標線模型基于第一訓練路面圖像集訓練得到，第一訓練路面圖像集關聯有表示標線的第一標簽；裂縫模型基于第二訓練路面圖像集訓練得到，第二訓練路面圖像集集關聯有表示裂縫的第二標簽；將實際路面圖像輸入標線模型，得到標線識別結果；將實際路面圖像輸入裂縫模型，得到裂縫識別結果；裂縫識別結果減去標線識別結果，得到實際路面裂縫最終識別結果。本發明利用神經網絡模型和深度學習的方式進行實際路面圖像識別，提升識別準確率，識別速度極快，通過模型疊加，使得識別結果受環境影響小，提高識別效果。

技術領域

本說明書一個或多個實施例涉及圖像識別領域，尤其涉及一種多標線的路面裂縫識別方法、裝置、設備及存儲介質。

背景技術

當前對路面標志標線的識別基本上是基于數字圖像處理技術，由于標志標線上的開裂和磨損，易被誤識別為裂縫，從而降低了裂縫的識別效果。實際環境下采集的路面圖像往往受到光照和噪聲的影響，傳統圖像識別方法通過人工選取算法對裂縫進行識別，但是只能在光照條件好且表現清晰的條件下才能進行有效的識別，在實際操作中，識別正確率低。現有技術中基于灰度圖的模式識別方法的識別速度很慢，不能做到實時識別。使用單一裂縫模型進行裂縫識別會受到實際場景中路面背景多樣性、裂縫多樣性和無需識別的施工處等因素影響，受環境影響大，識別效果差。

發明內容

有鑒于此，本說明書一個或多個實施例的目的在于提出一種多標線的路面裂縫識別方法、裝置、設備及存儲介質，以解決現有技術中識別效果差、識別正確率低、識別速度慢且受環境影響大的問題。

基于上述目的，本說明書一個或多個實施例提供了一種多標線的路面裂縫識別方法，包括：

獲取實際路面圖像；

獲取標線模型和裂縫模型；其中，所述標線模型基于第一訓練路面圖像集訓練得到，所述第一訓練路面圖像集關聯有表示標線的第一標簽；所述裂縫模型基于第二訓練路面圖像集訓練得到，所述第二訓練路面圖像集集關聯有表示裂縫的第二標簽；

將所述實際路面圖像輸入所述標線模型，得到標線識別結果；

將所述實際路面圖像輸入所述裂縫模型，得到裂縫識別結果；

所述裂縫識別結果減去所述標線識別結果，得到實際路面裂縫最終識別結果。

可選的，還包括：對所述實際路面圖像進行預處理操作；

所述預處理操作，包括：對所述實際路面圖像進行圖像填充和圖像調整操作。

可選的，所述標線模型基于第一訓練路面圖像集訓練得到，所述第一訓練路面圖像集關聯有表示標線的第一標簽；所述裂縫模型基于第二訓練路面圖像集訓練得到，所述第二訓練路面圖像集集關聯有表示裂縫的第二標簽，所述訓練進行若干輪，每一輪所述訓練包括：

設置網絡參數，將所述第一訓練路面圖像集正向輸入所述標線模型，將所述第二訓練路面圖像集正向輸入所述裂縫模型；

所述標線模型對所述第一訓練路面圖像集進行特征提取，得到標線預測結果，所述裂縫模型對所述第二訓練路面圖像集進行所述特征提取，得到裂縫預測結果；

利用損失函數計算所述標線預測結果與真實值之間的標線誤差，以及所述裂縫預測結果與所述真實值之間的裂縫誤差；

結合所述標線誤差、裂縫誤差、網絡參數的梯度和優化方法對所述網絡參數進行調整，將調整后的所述網絡參數作為下一輪所述訓練的所述網絡參數。

可選的，所述特征提取，包括：

通過2×2最大池化對所述第一訓練路面圖像集和第二訓練路面圖像集進行下采樣處理；